DDaTR:动态差异感知时间残余网络用于纵向放射学报告生成

科学领域:

• 医学成像分析 医学成像分析
• 医疗保健中的人工智能

背景情况:

• 放射学报告生成 (RRG) 自动化从医疗图像创建报告.
• 纵向放射学报告生成 (LRRG) 通过比较当前和之前的检查来跟踪时间变化来增强RRG.
• 现有的LRRG方法难以捕捉空间和时间的相关性,导致性能不佳.

研究的目的:

• 开发一个新的网络,动态差异感知时间残余网络 (DDaTR),以改进LRRG.
• 在纵向医学成像数据中有效捕捉多层次的空间相关性和时间动态.

主要方法:

• 在视觉编码器中引入了两个模块:动态特征调整模块 (DFAM) 用于先前的特征完整性和动态差异感知模块 (DDAM) 用于捕获考试间差异.
• 采用动态残余网络来单向传输纵向信息,以建模时间相关性.
• 在RRG和LRRG任务的三个基准上对DDaTR进行了评估.

主要成果:

• 与现有方法相比,DDDaTR在RRG和LRRG任务上都表现出更高的性能.
• 拟议的模块有效地捕捉了空间相关性和时间动态,改善了跨考试变化的表示.
• 该网络成功建模了纵向信息,从而产生了更准确的放射学报告.

结论:

• DDaTR网络在纵向放射学报告生成方面取得了重大进展.
• 该方法有效地解决了捕捉时间相关性和医学成像检查之间的差异的局限性.
• DDaTR对RRG和LRRG都显示出强大的疗效,为更准确的自动化放射学报告铺平了道路.